Hybrid spectral-spatial domain registration for nanometric tracking in digital in-line holographic microscopy

Resumen Técnico: Registro Híbrido en Dominio Espectral–Espacial para Seguimiento Nanométrico en DIHM

Enunciado del Problema
La Microscopía Holográfica en Línea Digital (DIHM) permite un análisis 3D sin marcadores y de alto rendimiento de fenómenos a escala micro y nano. Sin embargo, lograr una localización y seguimiento nanométricos fiables de objetos dispersos sigue siendo un desafío significativo debido a la dificultad de resolver desplazamientos subpíxel. Los algoritmos actuales de registro de imágenes enfrentan un compromiso fundamental:

• Los métodos en el dominio de la frecuencia (por ejemplo, Transformada Discreta de Fourier/Correlación de Fase) ofrecen estabilidad global y tolerancia a desplazamientos grandes, pero sufren de cuantización subpíxel y artefactos de interpolación. Estos errores crean un "piso de precisión" que limita la exactitud cerca del desplazamiento cero.
• Los métodos en el dominio espacial (por ejemplo, flujo óptico de Lucas–Kanade) explotan los gradientes de intensidad locales para lograr una alta precisión subpíxel para desplazamientos infinitesimales. Sin embargo, son altamente sensibles a las condiciones iniciales y poseen un rango de captura estrecho (fallan al converger para desplazamientos que superan ~50 píxeles), lo que conduce a la divergencia en escenarios de seguimiento dinámico.

Metodología: El Marco Híbrido en Dominio Espectral–Espacial (HSSD)
Los autores proponen el marco HSSD para resolver este compromiso combinando la robustez global de la DFT con la alta sensibilidad local del algoritmo Lucas–Kanade (LK). El flujo de trabajo opera en dos etapas secuenciales:

1. Estimación Gruesa (Etapa DFT):

   • Se realiza una correlación cruzada basada en DFT estándar sobre los hologramas de entrada ($C = \mathcal{F}^{-1}\{F_1 \cdot F_2^*\}$).
   • Esto produce una estimación de desplazamiento en píxeles enteros $(dx', dy')$ basada en el pico del mapa de correlación.
   • Crucialmente, esta etapa se restringe a valores enteros para evitar introducir artefactos de interpolación que degradarían el refinamiento posterior. Sirve como una inicialización robusta, llevando los patrones desplazados al radio de convergencia del estimador LK.

2. Refinamiento (Etapa LK):

   • El algoritmo LK refina el desplazamiento residual subpíxel $(dx'', dy'')$ operando sobre puntos de características específicos detectados dentro de los patrones de intensidad de partículas microscópicas individuales.
   • Los puntos de características se seleccionan utilizando el detector de esquinas de Shi-Tomasi (hasta 200 candidatos, umbral de calidad 0.01, separación mínima 10 píxeles).
   • El algoritmo rastrea variaciones locales de intensidad (bordes o patrones de difracción) para estimar el movimiento. A diferencia de la etapa DFT, LK cuenta naturalmente con deformaciones afines (rotación local, escala, cizallamiento).
   • El desplazamiento final se calcula como la mediana de las estimaciones de puntos individuales: $dx = dx' + dx''$y$dy = dy' + dy''$.

Contribuciones Clave

• Resolución del Compromiso Inicialización-Precisión: El artículo demuestra que HSSD combina efectivamente el amplio rango de captura de la DFT con la precisión nanométrica de LK, previniendo la divergencia de LK en escenarios de desplazamiento grande y el piso de precisión de la DFT en escenarios de desplazamiento pequeño.
• Robustez ante Ruido y Desenfoque: Las simulaciones numéricas muestran que, mientras los métodos en el dominio espacial (LK y HSSD) son sensibles a la cuantización de la señal (debido a la estimación de gradientes en pasos discretos), exhiben una robustez superior ante ruido estocástico y desenfoque (mediana/movimiento) en comparación con la DFT independiente, que sufre distorsión de fase bajo estas condiciones.
• Sinergia de Seguimiento 3D: El marco se valida en un sistema donde el seguimiento lateral (XY) mediante HSSD se desacopla de la estimación axial (Z) (mediante DarkFocus), permitiendo una reconstrucción estable de trayectorias 3D completas incluso durante condiciones complejas de desenfoque.

Resultados Experimentales y Numéricos

• Simulación Numérica: Utilizando un conjunto de datos de 100 desplazamientos subpíxel aleatorios (±10 píxeles) bajo seis tipos de degradación de imagen (ruido gaussiano, desenfoque, cuantización, etc.), HSSD y LK superaron a la DFT independiente en la mayoría de las categorías de ruido, particularmente aquellas que involucran desenfoque. HSSD logró un Error Cuadrático Medio (RMSE) inferior a 0.05 píxeles en la mayoría de las condiciones probadas.
• Validación Experimental: Los experimentos se realizaron utilizando una configuración DIHM con un láser de 532 nm, un objetivo de 100× y una etapa accionada por piezoeléctrico (resolución de 0.1 nm).
  • Precisión: HSSD logró un RMSE experimental de 1.21 píxeles (22.4 nm) al rastrear pasos de desplazamiento de 5 nm. Esto superó a la DFT independiente (1.44 px / 26.6 nm) y a LK independiente (1.89 px / 35.0 nm).
  • Convergencia: En pruebas de amplio rango que involucraban pasos alternos en Y y Z, LK independiente divergió completamente para desplazamientos que superaban ~50 píxeles (RMSE = 47.81 px, correlación = -0.08). HSSD mantuvo la consistencia con la verdad fundamental en todo el rango al utilizar la inicialización DFT.
  • Desplazamientos Pequeños: HSSD resolvió con éxito pasos de 5 nm (aproximadamente 0.27 píxeles), un régimen donde la DFT independiente falló en resolver el movimiento debido a efectos de "aplanamiento" por debajo de 5 píxeles.

Significado
El artículo afirma que la estrategia HSSD proporciona una base fiable para el seguimiento de partículas sin marcadores en DIHM al permitir la localización nanométrica en regímenes donde los métodos independientes no logran converger (LK) o se saturan en exactitud (DFT). Al desacoplar la robustez global de la estimación en el dominio de la frecuencia de la precisión local del refinamiento en el dominio espacial, el método facilita un seguimiento estable a través de amplios rangos de desplazamiento y condiciones variables de desenfoque, abordando una limitación crítica en la metrología holográfica de alta precisión.